数字匿名化在2026中的含义及实现方式

“数字匿名化”这个词现在非常流行。Netflix 今年在一部真实犯罪纪录片的片头字幕中就使用了这个词。这部纪录片用人工智能角色替换了证人的面孔和声音。（在面向英国的宣传材料中，同样的语境下使用了英式拼写“digitally anonymised”。）2019 年，学术研究人员也用同样的词来描述一个包含 150 万美国人的数据集。他们仅凭 15 个简单的属性就重新识别出了其中 99.98% 的人。从技术上讲，这两种说法都正确。但它们描述的却是截然不同的事情——几乎是相反的事情，这取决于你如何理解它们。所以，当有人告诉你一张脸、一条记录或整个数据集已经被“数字匿名化”时，你唯一应该问的问题是：他们到底是什么意思？这种匿名化究竟针对的是哪些人？

“数字化匿名化”的真正含义

标签背后隐藏着两种截然不同的概念。第一种是表面去标识化：模糊面部、使用假名、变声器或人工智能头像。它能防止未经深究的访问者识别出某人。第二种是统计匿名化：改变记录集，使即使是拥有公开数据的熟练识别者也无法将某条记录与特定个人关联起来。前者是一种数据隐私的姿态，后者才是真正的数据隐私。GDPR 第 26 条明确阐述了二者的区别。只有当“任何合理可能使用的手段”都无法重新识别数据时，数据才是匿名的。HIPAA 将同样的概念定义为 18 个标识符的安全港条带或专家鉴定，即重新识别的风险“非常小”。英国信息专员办公室 (ICO) 于 2025 年 3 月更新的指南称之为“动机入侵者测试”。大多数标榜“数字匿名化”的产品都通过了第一项测试，但未能通过第二项测试。

个人在实践中如何实现数字匿名化

个人数字匿名并非一蹴而就，而是一个层层叠加的系统。每一层都固定一个标识符，同时保持其他标识符不变。大多数读者需要三到四种工具，而不是仅仅一款名为“匿名器”的产品。

网络层。你的IP地址是最容易泄露且最容易隐藏的身份标识。Tor仍然是网络层最强大的选择，根据Tor Metrics的数据，截至2025年中期，Tor拥有约250万日活跃用户和约8000个志愿者中继节点组成的网络基础设施。商业VPN是更轻量级的选择；根据Security.org的数据，到2025年，约有32%的美国成年人使用VPN，低于前一年的46%，全球VPN应用用户约为1.47亿。Tor处理国家级威胁模型。VPN处理你的ISP、雇主以及咖啡馆的Wi-Fi。两者解决的问题不同。

浏览器层。选择一款默认网络环境假定为敌对网络的浏览器：Brave、LibreWolf、Mullvad Browser 或 Tor Browser（后者安全性最高）。指纹识别防护和广告拦截功能在这里比隐私窗口更重要，因为隐私窗口只能防止与你共用笔记本电脑的人查看本地浏览记录。

身份层。电子邮件是追踪器可以收集的最有用的标识符，因为它能将数据经纪人在不同服务中的用户画像关联起来。解决方案是为每个服务设置别名，例如通过 SimpleLogin（2022 年 4 月被 Proton 收购，当时拥有超过 10 万用户和 200 万个别名）或 addy.io。为每个服务添加用户名和用于短信验证的虚拟电话号码，就能有效防止最简单的跨站点关联。

支付层。比特币不再是隐私工具。Chainalysis 声称可以追踪几乎所有的交易层；链上交易量的犯罪份额已从约 70% 降至约 20%，正是因为调查人员会定期对链进行去匿名化处理。门罗币是 Chainalysis 公开表示无法大规模追踪的唯一主流加密货币。技术原因在于其 CLSAG 环签名（16 个成员的环：一个真实签名者，15 个诱饵签名者）、隐形地址和 RingCT 金额隐藏。代价是流动性。币安于 2024 年 9 月在全球范围内下架了门罗币，Kraken 也于 2024 年 12 月 31 日将其从欧洲经济区下架，这标志着 2024 年约有 60 家交易所下架门罗币，预计到 2025 年年中，下架门罗币的交易所数量将达到约 73 家。尽管经历了价格挤压，门罗币到2025年底市值仍接近76亿美元，日交易量约为2.8万笔，预计2026年5月价格将接近411美元。希望接受加密货币但又不想强制买家进行KYC验证的商家可以使用非托管支付网关。例如，Plisio支持50多种加密货币，手续费仅为0.5%，而传统的银行卡支付平台通常收取2-3%的商户折扣率。

设备和账户安全。隐私会话中不包含任何已登录账户。每个身份使用不同的配置文件。只有当您不在所有设备上登录同一个 Gmail 账户时，此设置才能生效。

为什么“匿名化”数据集会不断被重新识别？

学术记录并不光彩。仅仅去掉名字几乎是不够的。

这种模式不断重演。出版商删除了明显的标识符，声称数据集已匿名化，而拥有公开辅助来源（选民名册、IMDb、狗仔队照片、雇主名录）的研究人员将两者重新结合起来，几周之内真实身份就被曝光。

2006年8月的AOL事件是首例被广泛报道的真实案例，搜索历史本身就具有识别身份的效力。塞尔玛·阿诺德搜索过“手指麻木”、“60个单身汉”以及她的家乡佐治亚州利尔本，这些搜索记录足以让两名《纽约时报》记者在她家门廊找到她。几周之内，包括首席技术官在内的三名AOL员工丢了工作。

Netflix Prize于2006年10月启动，共收集了480,189名订阅用户对17,770部电影的约1亿条评分。Narayanan和Shmatikov在2008年IEEE S&P会议上发表了他们的去匿名化论文。他们仅需两条评分和三天的时间窗口，就能唯一识别出68%的订阅用户。如果使用八条评分和十四天的时间窗口，这一比例上升至99%。在Doe诉Netflix一案和联邦贸易委员会（FTC）的调查之后，Netflix于2010年取消了原计划的续集。

露西·莱特比的纪录片于2026年2月在Netflix上线，它以面向消费者的形式阐述了同样的道理。片头字幕写道：“为了保护匿名性，部分证人的信息已进行数字化伪装。他们的姓名、外貌和声音均已更改。”这里使用的匿名化技术是生成式人工智能，而非模糊或轮廓，部分原因是出于证人需要遵守限制其公开露面的法庭命令。观众对此反应不一：有人抱怨人工智能的使用存在“恐怖谷效应”，有人则认为人工智能化身比黑箱更能保留人类情感。但双方都忽略了更深层次的问题。使用人工智能进行视觉匿名化并不能改变证词本身的行为特征：措辞、日期、姓名等。一个动机不纯的入侵者，即使掌握了匿名数据和一份简短的候选人名单，仍然有很多信息可以利用。人工智能改变了输出结果的外观，但并没有改变重新识别的算法。

差分隐私和唯一诚实的匿名化

能够抵御德蒙乔伊攻击的框架是差分隐私。Dwork、McSherry、Nissim 和 Smith 在 2006 年发表的论文《在私有数据分析中校准噪声以适应敏感性》中定义了差分隐私。其核心思想并非去除身份标识，而是向查询结果中添加精心调整的噪声，使得任何特定人员在数据中的存在或缺失在统计学上都无法被否认。

它带有一个量化的隐私预算，记为 epsilon (ε)。ε 值越低，意味着噪声越大，隐私保护越强。差分隐私的出现源于一系列较弱的框架。Sweeney 于 2002 年提出的 k-匿名性要求每个记录在准标识符上至少与 k-1 个其他记录相同。l-多样性（Machanavajjhala 等人，2007 年）增加了对敏感属性多样性的约束。t-接近性（Li 等人，2007 年）则收紧了分布。这三种方法都是启发式方法。只有差分隐私能够提供针对任意辅助数据的最坏情况数学保证。

部署记录喜忧参半。苹果公司在 2016 年 WWDC 大会上宣布了本地差分隐私技术，但逆向工程审计发现其 epsilon 设置值在 2 到 8 之间，隐私研究人员认为这过于宽松。美国人口普查局在 2020 年的普查数据发布中应用了差分隐私技术，采用的是自上而下算法，全局 ε 值约为 19.61。这个数值也因过于宽松而受到批评，但 2020 年的普查数据是首次发布正式隐私保证的全国性数据。如果“数字匿名化”声明没有明确说明 epsilon 值（或者至少没有使用 ak 或 at），那么它几乎可以肯定是较旧的 18 位标识符去除方式，而不是正式的隐私保护方式。

露西·莱特比、人工智能化身和数字匿名化

2026年初，露西·莱特比的纪录片成为“面部数字化匿名化”案例中最受热议的话题，原因显而易见。这部纪录片讲述了这位英国新生儿科护士被控犯有七项谋杀罪，人们越来越质疑这起案件是否真的存在冤案。Netflix选择用人工智能生成的虚拟形象替换证人的面部和声音，其影响远不止于此案本身。观众的反应褒贬不一。一部分人认为这些虚拟形象令人分心，“卡通化”，甚至有些诡异。另一部分人则认为这项技术保留了人类的情感，而如果只使用轮廓或声音，这些情感就会被抹杀。

这场辩论大多忽略了威胁模型。人工智能人脸识别只是用户体验界面的一层叠加层。它无法保护信息源免受一个能力强、动机明确的入侵者的攻击，后者可能已经掌握了一份候选人名单（例如同一家医院同一科室、同一时间段的其他员工）以及一份包含日期、职业角色和常用语的记录。露西·莱特比案就符合这种情况，该案涉及一家公开的机构和一条公开的时间线。信息源的范围越窄，人工智能叠加层的作用就越小。这并非反对这项技术，而是强调我们需要明确说明它能够匿名化哪些信息，不能匿名化哪些信息。

法律对“数字匿名化”声明的要求

在大多数市场，三大监管机构设定了数据安全底线：欧盟的《通用数据保护条例》(GDPR)、美国的《健康保险流通与责任法案》(HIPAA) 以及英国信息专员办公室 (ICO) 于 2025 年发布的指南。GDPR 第 26 条规定了“合理可能”测试。HIPAA 提供两种选择：一是限制 18 个特定标识符的安全港规则，二是专家鉴定意见，即剩余的重新识别风险“非常小”。英国信息专员办公室 (ICO) 于 2025 年 3 月重申了“动机性入侵者”测试。

过去一年最大的法律转变来自欧盟法院。在2025年9月4日作出的C-413/23号案件（EDPS诉SRB）判决中，欧盟法院采纳了个人数据相对论。同一份记录在一方手中可以是假名化的，而在另一方手中则可以是匿名的，这取决于双方各自能够合理知晓的信息。这是一个意义重大的转变。在2025年之前，由德·蒙乔伊等人推动的默认做法是，由于重新识别的能力没有真正的限制，丰富的数据始终是个人数据。而2025年的裁决则指出，这种判断取决于具体情况。两种观点可以并存；其实际效果是，下游各方有更大的空间来主张其所持有的数据集副本是匿名的，即使原始发布者的副本并非如此。

检查清单：数据是否真正进行了数字化匿名化处理？

认真对待唱片公司之前，请先问自己五个问题：

1. 哪些标识符被移除？仅移除姓名是不够的。人口统计信息、时间戳和罕见属性在每次安全港规则移除后仍然保留，并且仍然是可识别信息。

2. 有哪些辅助数据可以合理获取？选民名册、IMDb、狗仔队照片、雇主名录。任何可以整合的数据都算在内。

3. 是否有正式的保证？例如k匿名性参数、t接近度系数或差分隐私ε。没有这些参数，就没有保证。

4. 谁验证了这一说法？是内部团队还是外部审计人员根据已定义的动机性入侵威胁模型进行验证？

5. 如果发生重新识别，该如何补救？一份经过数字化匿名化的数据集如果最终被证实并非如此，那就是数据泄露，而不是新闻稿。

2026 年，“数字化匿名化”一词的客观解读是，它同时涵盖了两个不相关的概念。作为用户体验承诺（我们不会显示您的身份），它尚可接受，有时甚至很巧妙，但有时执行得并不理想。作为统计声明（此数据集是匿名的），如果没有正式的保证，它几乎总是不够充分的。构建个人技术栈时，应假设标签只完成了其所暗示工作的一半。当标签应用于他人的数据时，务必要求提供相关的数学计算。

Simon Chartan

A journalist with a strong technical background and a passion for decentralized finance. With degrees in MBA and Master of Engineering in Data Science, the author combines analytical expertise with a clear, engaging writing style. At Plisio, they cover topics such as cryptocurrency, blockchain, DeFi, and digital finance—helping readers make sense of a rapidly evolving fintech landscape.